おすすめのAI外観検査システムを比較！基礎知識やできること、選び方までをわかりやすく解説！

AI外観検査システムは、学習した画像をもとに傷・汚れ・欠陥を自動で判定する仕組みです。人の感覚に近い判断ができ、熟練者に頼ってきた官能検査も対象にできます。比較に入る前に、従来の検査との違いと方式の種類を押さえておきましょう。

ルールベース検査との違い

ルールベース検査は、寸法・面積・色・位置を数値化し、しきい値で良否を判定します。NG判定の根拠を数値で説明できるのが強みです。

AIは、形の定まらない傷や模様の上の欠陥のような対象を扱えます。反面、判定根拠がブラックボックスになりやすい方式です。両者は対立せず、補い合う関係にあります。

3つの検出方式

ディープラーニング型は、良品・不良品の画像から特徴を学習し、多様で複雑な欠陥に対応します。良品学習・異常検知型は、良品だけを覚えて「いつもと違う」部分を検出する方式です。

FA統合型は、AIとルールベースを使い分け、PLCやロボットと連携してライン上に組み込みます。

推論を動かす場所

スマートカメラやPLCで推論まで完結するエッジ型は、ライン速度に合わせやすい方式です。外部ネットワークにも依存しません。

PCやクラウドで動かす型は、重いディープラーニングモデルや大量の画像データの管理に向きます。複数ラインの結果を集約する用途にも使われる形です。

編集部メモ：実務では、AIとルールベースの併用構成が多くなります。基準が明確な検査はルールベースで確実にこなし、ルール化しにくい欠陥にAIを充てる形です。AIだけで全検査を置き換える前提で製品を探すと、選択肢を狭めかねません。

AI外観検査システムを選ぶ際には、自社の検査対象から逆算することが重要です。各社は強みを「精度」「簡単さ」「速さ」といった抽象語で表現しがちです。機能名の照合ではなく、次の4段階で判断しましょう。

検査対象から検出方式を絞る

傷や汚れのように形の定まらない欠陥か、寸法やOCRのように基準が明確な検査かを見極めましょう。まずここで方式が分かれます。

検出した不良を「傷」「異物」「変形」と種類分けして集計したいかも確認してください。分類まで要るなら、不良画像を学習させる方式が扱いやすくなります。

不良画像の集まり方を確かめる

導入が止まる典型的な理由は、不良品の画像が十分に集まらないことです。良品画像だけで学習できるか、必要な枚数は何枚かを確かめます。

少ない枚数で立ち上げたモデルは、撮像条件が変わると精度が落ちることもあります。判定が外れた画像を集めて追加学習する運用を、最初から見込んでおきましょう。

本番に近い条件でPoCを行う

PoCで良い数字が出ても、本番では照明・搬送・対象のばらつきで精度が落ちることがあります。

PoCの段階から本番に近い撮像条件で評価してください。追加学習と精度維持の運用まで含めて体制を見積もると、本番移行後のギャップを小さくできます。

見逃しと過検出の許容度を決める

見逃しを減らそうと判定を厳しくすると、良品まで弾く過検出が増えます。逆に判定を緩めると、不良の流出リスクが上がる関係です。

自社の工程でどちらの誤りがより許容できないかを先に決めます。その基準でPoCの結果を評価し、バランスを調整しやすい製品かも確かめましょう。

製品を並べるときは、同じ物差しを当てる必要があります。AI外観検査システムで見るべき項目は次の5つです。まず一覧で全体像をつかみましょう。

検出方式

得意な検査対象が方式ごとに違います。形の定まらない欠陥なら、ディープラーニング型が起点です。不良が滅多に出ない工程なら、良品学習・異常検知型から見ます。

基準が明確な検査と曖昧な検査が混在する現場もあるでしょう。その場合は、AIとルールベースを1つのシステムで使い分けられるかが確認点です。

学習データ量

立ち上げの現実性を左右する項目です。良品画像だけで学習できる方式か、必要な枚数が数枚か数十枚かを確かめます。

品種が頻繁に切り替わる現場では、品種を追加するときの学習の手間も比べてください。

推論を動かす場所

エッジ型はライン上で完結し、高速に判定できます。ただし、モデルの規模はカメラやコントローラの処理能力が上限です。

PC・クラウド型は、画像の転送や保管、ネットワークの安定性を運用に織り込む必要があります。画像を社外に出せるかも早めに確認しましょう。

PoC負荷

導入体制は3つに分かれます。1つは、現場担当者がノーコードで内製するタイプです。2つ目はSIerの組み込みを前提とするタイプ、3つ目は自社装置にSDKで組み込むタイプです。

専任のAIエンジニアがいない工場では、この差が導入の可否を左右します。

価格の前提

年額ライセンス、カメラ・照明・コントローラを含む装置一体、SDK、SI込みの一式があります。提供形態によって見積もりの前提がそろいません。

検査範囲・カメラ台数・SI費用の前提を合わせてから、金額を並べてください。

同じAI外観検査でも、検査対象・物量・体制によって最適な選択は変わります。自社の状況に当てはめて、優先する比較項目を決め直しましょう。よくある4つのケースで整理します。

専任のAI担当がいない中小製造業

PoC負荷を最優先に見てください。OK品・NG品を登録するだけで動く小型機や、ノーコードで内製できるプラットフォームが候補です。

この層では、表現力より「現場の担当者が触り続けられること」が定着を左右します。サンプル検証や無償トライアルで、自社サンプルを判定させてから決めましょう。

多品種少量で不良がほとんど出ない工程

必要な学習データ量を、優先して確認します。良品データだけで学習できる異常検知・良品学習型なら、品種ごとに不良サンプルをそろえずに済みます。

検査対象が頻繁に切り替わる現場です。品種を追加するときの学習と切り替えの手間も、評価に入れておくと運用が安定します。

既存のFAラインにAI検査を追加したい工場

推論を動かす場所と、PLC・ロボットとの連携を優先します。既存ラインのメーカーに合わせたFA統合型なら、連携と導入が早く進むでしょう。

ただし特定メーカーの機器を前提にすると、構成の自由度が下がります。将来の機器更新やマルチベンダー構成を見込むなら、連携できる範囲を確かめてください。

複雑な欠陥やOCRを多拠点で扱う大手

検出方式の表現力と、実績の広さを比較の中心に置きます。ディープラーニング型のソフトやスマートカメラが候補です。

拠点間で学習済みモデルを共有できるか、海外拠点のサポート体制はあるかを確かめてください。再学習を自社で行えるかも、横展開の手戻りを減らす確認点です。

AI外観検査システムは、主要10製品のうち9製品が見積もり制です。価格を公開しているのは1製品だけなので、相場の金額は示しにくい分野といえます。見積もりを動かす内訳と、公開されている目安を整理しました。

総額を膨らませるのは、カメラ台数とライン数の増加です。将来何ラインまで広げるかを前提に含め、検査対象と撮像条件をそろえて見積もりを取ってください。

比較軸のうち、製品データとして数値化できる4項目を横並びにしました。品質管理・現場操作性・生産管理・中小適合を、製造業適合性スコア（5段階評価）で示しています。並びは中小適合の高い順です。上から下へ向かうほど、想定する企業規模と導入の重さが上がります。評価が設定されていない項目は「－」としました。

キーエンスの製品は、公式には別カテゴリに分かれています。VSシリーズは画像処理システム、IVシリーズは画像センサという位置づけです。画像センサ側の現行主力はIV3・IV4で、IV2も併売されています。

MENOUが対象とする補助金は、2026年度から名称が変わりました。現在の名称は「デジタル化・AI導入補助金（旧IT導入補助金）」です。導入時は最新の公募要領を確認してください（2026年7月時点）。

生産管理の「－」は評価の登録がない項目で、機能がないという意味ではありません。スコアではなく、個別のデモや導入事例で確かめる形になります。

ここからは表に挙げた10製品を、順位の並びのまま見ていきます。強みだけでなく、向かないケースもあわせて示しました。自社の検査対象と体制に照らしながら読み進めてください。

MENOU（MENOU-TE / MENOU-RN）

MENOUの、ノーコードで検査AIを構築できるプラットフォームです。AIの専門知識がない現場担当者が、少量画像から内製することを狙った設計です。

カメラやPLCとの連携機能を備えます。2026年6月時点で200社以上への導入が公表されています。

注意点：ミリ秒単位の処理が要る高速ラインでは検証が必要です。既存のFA機器との統合はカスタム対応になります。

キーエンス 画像処理システム VSシリーズ／画像センサ IVシリーズ

カメラ・照明・レンズ・ソフトを一括で提供し、AIとルールベースを検査ごとに使い分けられます。

VSシリーズは光学ズームを備え、広視野から狭視野まで1台でカバーします。IV2はOK品・NG品を1枚ずつ登録するだけで検査条件を自動設定する小型機です。

注意点：他社カメラとの組み合わせは想定されていません。既存のカメラ資産を活かしたい企業には向きません。

HACARUS Check

HACARUSの検査AIで、ディープラーニングとは異なるスパースモデリングを採ります。良品データだけでモデルを作れるため、品種が多く不良の少ない現場に向いています。

判定根拠を示せる説明可能AIが強みです。6軸ロボットアームと組み合わせた360度の全方位検査にも対応し、クラウドでの提供形態もあります。

注意点：超高速ラインでの処理は要検証です。

MELSOFT VIXIO

三菱電機の、FA向けに最適化したAIアルゴリズムを持つ外観検査ソフトです。約100枚の画像から10秒程度でモデルを生成できます。

プログラミング不要で、モデル作成から検査までを1つのソフトで扱える製品です。三菱電機のPLCや表示器とつなぎ、既存ラインにAI検査を追加できます。

注意点：三菱電機のFA環境が前提で、それ以外の環境の企業には向きません。

gLupe

システム計画研究所（ISP）のAI検査で、SDK形態で提供されます。良品画像を数十枚程度学習させるだけでAIを構築できます。

既存の検査装置やキーエンスの画像処理システムに、AI機能を後付けで加えられるのが特徴です。立体物や大型部品の検査にも強みを持ちます。

注意点：エンドユーザー単独での運用は難しく、専用UIは自社開発かSIerへの依頼になります。

Phoenix Vision / Eye

VRAIN Solutionの検査システムです。分類・物体検出・欠陥の異常検知・正常データ学習による異常検知の4種類を使い分けます。

カメラやX線の画像から、傷・汚れ・変形・欠け・色ムラ・異物混入を検出する用途で使われています。価格はSI込みの一式になる形です。

注意点：特殊な案件ではカスタマイズの期間が必要です。低価格で始めたいエントリー用途には向きません。

OMRON FHシリーズ AI

オムロンの画像処理システムFHシリーズのAI搭載モデルです。業界初をうたう「欠陥抽出AI」を搭載しています。

傷サンプルを学習させなくても、未知の欠陥を検出する設計です。良品のばらつきを学習してモデル化し、過検出を抑える仕組みも持ちます。

注意点：オムロンのFA環境が前提で、スタンドアロンでの運用は想定されていません。

Facilea / Facilea AI（CKD）

CKDの画像処理・外観検査ツールで、傷・打痕の検出や部品判定を行います。主要10製品のなかで唯一、価格を公開している製品です。

価格はFacileaが9.8万円、Facilea AIが69万円です。いずれも税抜の買い切りで（2026年時点）、Facileaは2年目以降に更新3万円がかかります。

注意点：CKDの機器と組み合わせる強みが中心で、それ以外での汎用性は限定的です。

VisionPro Deep Learning（ViDi）

コグネックスの、PCベースのディープラーニング画像解析ソフトです。用途別に4つのツールを組み合わせて使います。

位置決めのBlue Locateと、外観欠陥を見るRed Analyzeがあります。分類のGreen Classifyと、文字を読むBlue Readです。同社のハードとの統合にも強みがあります。

注意点：高価格帯でライセンス体系も複雑です。コスト重視の中小製造業や小規模工場には向きません。

Cognex In-Sight D900

コグネックスのViDiの技術を、スマートカメラに組み込んだ製品です。照明・レンズ・推論用のプロセッサを1台にまとめています。

PCなしでライン上に展開できる点が強みです。文字読み取り（Read）、組み立て検証（Check）、欠陥検出（Detect）のツールを備えます。

注意点：超高速・超高解像度の検査では、ライン型の大規模ビジョンに譲ります。

主要10製品のなかに、無償で本番運用できる製品はありません。無料で確かめられるのは、サンプル検証や無償トライアルの範囲までと考えてください。導入前にどこまで検証できるかを整理しました。

無償の検証で確かめたいのは、判定の正否だけではありません。見逃しと過検出がどちらに寄るかまで見ておくと、本番の設定を決めやすくなります。

AI外観検査システムは、5つの軸で整理すると判断しやすくなります。検出方式・学習データ量・推論を動かす場所・PoC負荷・価格です。傷や複雑な欠陥にはディープラーニング型、不良画像が集まらない現場には良品学習・異常検知型が起点です。既存のFAラインへの組み込みなら、FA統合型から見ます。

方式とタイプを決めたら、同じタイプの2〜3製品を自社サンプルで比べてください。PoCは本番に近い撮像条件で行い、見逃しと過検出のバランスまで確かめます。見積もりは、検査範囲とカメラ台数をそろえて取りましょう。製品はAI外観検査・画像検査システムカテゴリで比較できます。